Analisis Sentimen Penipuan Asuransi Menggunakan Machine Learning
DOI:
https://doi.org/10.31849/kzabp859Keywords:
Analisis Sentimen, Penipuan Asuransi, Naïve Bayes, Random Forest, TwitterAbstract
Penipuan asuransi merupakan salah satu bentuk kejahatan keuangan yang merugikan perusahaan maupun masyarakat, serta menurunkan kepercayaan publik terhadap industri asuransi. Analisis sentimen berbasis media sosial dapat memberikan gambaran mengenai opini masyarakat terhadap isu ini secara lebih cepat dan masif. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terkait penipuan asuransi menggunakan algoritma Naı̈ve Bayes dan Random Forest, serta membandingkan performa kedua metode tersebut. Data penelitian diperoleh melalui crawling dari platform X (Twitter) dengan total 1.550 tweet yang kemudian diproses melalui tahap preprocessing, labeling, ekstraksi fitur menggunakan TF-IDF, serta penyeimbangan data dengan SMOTE. Hasil penelitian menunjukkan bahwa sentimen negatif lebih dominan dibanding netral, mencerminkan adanya persepsi publik yang kurang baik terhadap kasus penipuan asuransi. Berdasarkan evaluasi, algoritma Naı̈ve Bayes menghasilkan akurasi sebesar 71,83%, sedangkan Random Forest mencapai akurasi sebesar 87,48%. Hasil ini menunjukkan bahwa Random Forest lebih unggul dalam mengklasifikasikan opini publik berbahasa Indonesia dibanding Naı̈ve Bayes. Temuan penelitian ini diharapkan dapat menjadi referensi bagi perusahaan asuransi maupun regulator dalam memahami persepsi masyarakat dan merumuskan kebijakan pencegahan penipuan.
References
,[1] F. Fahlapi, D. A. Prasetyo, and S. Febriyanti, “Analisis Sentimen Twitter Menggunakan Metode Naive Bayes dan K-Nearest Neighbor,” Jurnal Ilmiah Media Sisfo, vol. 18, no. 1, pp. 1–9, 2024.
[2] M. Merdiansah and A. Ridha, “Analisis Sentimen Terhadap Asuransi Menggunakan Algoritma Naive Bayes,” Jurnal Informanika, vol. 10, no. 2, pp. 56–65, 2024.
[3] R. D. Firmansyah and A. Lestariningsih, “Analisis Sentimen dengan Metode Naïve Bayes dan KNN pada Ulasan Layanan BPJS Kesehatan,” Jurnal Teknik Komputer AMIK BSI, vol. 10, no. 1, pp. 45–54, 2024.
[4] A. Amrullah, M. B. Nugroho, and R. F. R. Rachman, “Analisis Sentimen Review Google Playstore Menggunakan Metode Naïve Bayes Classifier,” Jurnal Informatika Polinema, vol. 6, no. 2, pp. 89–96, 2020.
[5] D. Apriani and D. Gustian, “Penerapan Algoritma Naïve Bayes untuk Analisis Sentimen Komentar Instagram,” Jurnal Teknologi dan Sistem Informasi, vol. 5, no. 1, pp. 77–86, 2019.
[6] D. Artanto, “Penerapan Algoritma Random Forest dalam Analisis Sentimen Media Sosial,” Jurnal Ilmu Komputer dan Teknologi Informasi, vol. 12, no. 2, pp. 210–219, 2024.
[7] N. Sidauruk, N. Riza, and R. N. Siti Fatonah, “Penggunaan Metode SVM dan Random Forest untuk Analisis Sentimen Ulasan Pengguna Terhadap KAI Access di Google Playstore,” Jurnal JATI, vol. 7, no. 3, pp. 1901–1906, 2023.
